人体运动模式识别和人物身份识别是通过探索个体间不同运动中的特征特性差异来实现精准分类的技术。针对目前识别方法存在的设备成本较高、识别分辨率低、算法较为复杂等问题,本文基于IMU运动传感单元,研究利用人体步态特征信息进行不同运动状态的模式识别以及进行同种运动模式下不同人物身份的识别,针对课题内容主要做了如下工作:1.针对人体运动数据的采集,选择基于Android系统的智能便携设备,并编写一款APP用于数据采集;随后确定了最佳的50Hz采样频率并以腕部作为设备佩戴位置;之后设计了基于50名测试者的数据采集实验;最后针对采集得到的基础数据利用50%重叠率的滑动窗口法进行预处理并进行数据特征性分析。结果表明人体运动具有较为明显的周期性,对于后续的识别研究提供了可靠的数据支撑。2.针对人体在站立、慢走、跑步、上下楼梯等四个运动模式进行特征分析研究;之后根据运动模式特征进行腕部步态的特征值提取;随后采用SVM分类算法实现对运动模式的识别:最后通过网格搜索寻优算法对SVM分类器参数进行优化。根据四类运动模式的特征差异,共选取出20个特征值,并优化得到C、g最佳参数对为(0.25,0.0625),四种运动模式的识别率为100%。3.针对不同人体在相同运动模式下的腕部步态特征差异进行分析研究;之后根据研究结果得到角度差异、位置差异、惯性差异和相干性差异四类腕部步态差异,并选取得到25个特征值;随后根据不同特征值在人体之间的差异离散度进行识别权重计算,并构建新的25维特征数学模型;最后运用BP神经网络识别法实现人物身份的识别,并针对网络隐含层节点、训练迭代次数进行对比分析,确定网络参数。实验结果表明该算法在20个样本数识别准确率达96.747%,能够实现小范围群组中的人物身份的精准识别。本文的研究内容能够为特定环境中的人体运动模式识别和人物身份识别提供一定的可靠参考,对生产生活中的安全监测、安全认证、行为识别等方面的研究提供了识别算法的理论基础。